Kebijakan kependudukan tidak lagi hanya berhadapan dengan jumlah penduduk dan struktur umur, tetapi juga dengan pertanyaan: ketika penduduk usia kerja semakin banyak atau tetap besar, apakah ekonomi masih membutuhkan mereka sebagai pekerja. Ini menghasilkan paradoks baru, yaitu di satu sisi, negara membutuhkan lebih banyak manusia karena fertilitas turun dan masyarakat menua. Di sisi lain, AI dan otomasi justru mengurangi kebutuhan ekonomi terhadap tenaga manusia. Jadi, kita memasuki situasi yang dapat disebut demographic–technological paradox.
Isunya adalah, ketika manusia semakin dibutuhkan, terutama sebagai pasar, tetapi pekerja manusia semakin tidak dibutuhkan. Selama abad ke-20, hubungan antara penduduk dan ekonomi relatif sederhana. Lebih banyak penduduk berarti lebih banyak tenaga kerja, lebih banyak produksi, lebih banyak konsumsi, lebih besar pasar. Karena itu, negara dengan penduduk besar sering mempunyai keunggulan ekonomi. Tetapi abad ke-21 mulai mengubah persamaan tersebut. AI, robotika, otomasi, cloud computing, agentic AI, dan berbagai teknologi digital memungkinkan satu pekerja menghasilkan output yang sebelumnya memerlukan banyak pekerja. Dengan demikian, hubungan populasi – pekerja – produksi (produktivitas) mulai berubah menjadi teknologi AI – produksi (produktivitas). Keberadaan populasi manusia menjadi menurun relevansinya. Jumlah manusia tidak lagi secara otomatis sama dengan jumlah tenaga kerja yang dibutuhkan. Inilah salah satu perubahan paling fundamental dalam kebijakan kependudukan kontemporer.
Isu pertama, adalah dari labour shortage menuju labour surplus.Ada paradoks yang relevan. Jepang, Korea Selatan, China, dan kemudian negara-negara lain menghadapi shortage of workers, karena jumlah penduduk muda menurun. Tetapi pada saat yang sama, teknologi AI menciptakan kemungkinan shortage of jobs, karena mesin mampu mengerjakan semakin banyak tugas yang sebelumnya dilakukan manusia. Maka kita berhadapan dengan dua tren yang tampaknya berlawanan. Pertama, kelahiran membawa pekerja baru. Kedua, jika di masa lalu teknologi membantu meningkatkan produktivitas manusia pekerja, kini teknologi AI dapat secara efektif menggantikan manusia. Artinya, dengan sedikit manusia pun produktivitas tetap dapat dipertahankan, bahkan dinaikkan. Jadi, pertanyaan kebijakannya adalah jika manusia semakin sedikit tetapi setiap manusia dapat menghasilkan jauh lebih banyak, berapa banyak pekerja yang sebenarnya dibutuhkan. Kita belum memiliki jawaban final.
Revolusi industri sebelumnya terutama menggantikan physical labour. Mesin menggantikan tenaga otot, pekerjaan repetitif, pekerjaan manual, pekerjaan produksi. Namun, AI berbeda, karena AI masuk ke wilayah yang sebelumnya dianggap sebagai keunggulan manusia yaitu keunggulan berbasis kognitif, bukan sekedar ketrampilan, mulai dari membaca, melayani manusia, hingga menyusun laporan, bahkan membantu mengambil keputusan, bahkan memgambil keputusan itu sendiri. Karena itu, Erik Brynjolfsson, Daniel Rock, dan Chad Syverson (2021) menyebut AI sebagai teknologi yang berpotensi memiliki “new productivity growth”, tetapi juga membutuhkan waktu karena organisasi harus melakukan perubahan komplementer agar manfaat teknologi benar-benar terealisasi.
Dalam bahasa sederhana, AI bukan hanya menggantikan pekerja; AI mengubah isi pekerjaan. ILO dalam studi terbarunya bahkan memperkirakan sekitar satu dari empat pekerja di dunia berada dalam pekerjaan yang mempunyai tingkat paparan tertentu terhadap GenAI, tetapi sebagian besar pekerjaan tersebut lebih mungkin ditransformasikan daripada sepenuhnya dihapus. Jadi, perlu dibedakan antara job displacement dengan dengan task displacement. Jadi, yang pertama kali digantikan mungkin bukan pekerjaan, tetapi tugas. Satu pekerjaan biasanya terdiri atas banyak tugas, namun saat ini belum tentu mampu menggantikan seluruh pekerjaan. Maka terjadi otomatisasi pekerjaan, perancangan ulang pekerjaan, dan akhirnya pengurangan tenaga kerja.
Namun jika 70% tugas suatu pekerjaan dapat dilakukan AI, perusahaan mungkin tidak lagi membutuhkan sepuluh orang untuk melakukan pekerjaan tersebut. Mungkin cukup tiga orang yang menggunakan AI. Di sinilah pengurangan tenaga kerja dapat terjadi tanpa harus mengatakan AI menggantikan profesi tersebut. Realitasnya adalah AI meningkatkan produktivitas per pekerja sehingga perusahaan membutuhkan lebih sedikit pekerja untuk menghasilkan output yang sama. WEF Future of Jobs Report 2025 memperkirakan bahwa sampai 2030 sekitar 170 juta pekerjaan baru dapat tercipta dan 92 juta pekerjaan terdorong keluar atau tergantikan, menghasilkan net increase sekitar 78 juta pekerjaan. Namun pada saat yang sama, 41% perusahaan yang disurvei mengatakan mereka berencana mengurangi tenaga kerja karena AI mengotomatisasi tugas tertentu. Jadi, persoalannya bukan sekadar:
“apakah AI menghancurkan pekerjaan”, tetapi “pekerjaan siapa yang hilang, pekerjaan apa yang muncul, dan apakah orang yang kehilangan pekerjaan dapat berpindah ke pekerjaan baru”
Masalah terbesarnya adalah bahwa pekerjaan baru tidak selalu datang kepada pekerja lama. Inilah yang sering hilang dalam optimisme teknologi. Misalnya, 1.000 programmer junior kehilangan pekerjaan karena AI coding. Kemudian muncul 100 pekerjaan AI engineer. Secara statistik, teknologi menciptakan pekerjaan baru. Tetapi, selain telah terpinggirkan 900 pekerja, apakah 1.000 programmer junior tersebut dapat menjadi AI engineer. Jawabnya sudah pasti, belum tentu. Inilah yang disebut skills mismatch. OECD memperingatkan bahwa pekerjaan baru yang tercipta akibat otomasi tidak selalu dinikmati oleh pekerja yang kehilangan pekerjaan akibat otomasi. Dalam beberapa wilayah, otomatisasi memang meningkatkan produktivitas dan pekerjaan secara keseluruhan, tetapi pekerja yang terdampak dapat tetap mengalami kehilangan pekerjaan atau penurunan kualitas pekerjaan. Dengan demikian, persoalan AI bukan hanya job quantity. Ia juga persoalan job transition.
Entry-level jobs menjadi titik rawan. Sebelumnya, seseorang memasuki dunia kerja melalui pekerjaan junior. Jadi, dari junior analyst menjadi analyst, menjadi senior analyst, menjadi manager. Atau junior programmer menjadi programmer, menjadi senior programmer, dan menjadi architect. Pekerjaan junior merupakan learning infrastructure. Manusia belajar sambil bekerja. Saat ini dan ke depan, AI dapat mengambil sebagian besar pekerjaan junior, dan tidak ada lagi junor yang bekerja dan kelak menggantikan seniornya. WEF dalam laporan 2026 tentang AI dan entry-level work memperingatkan bahwa lebih dari sepertiga pekerja muda dunia bekerja dalam pekerjaan dengan paparan sedang hingga tinggi terhadap perubahan tugas akibat AI Maka muncul pertanyaan yang sangat serius yang sudah kita sitir, jika entry-level jobs berkurang, dari mana generasi muda mendapatkan pengalaman kerja. Ini bukan sekadar persoalan pekerjaan, ini persoalan reproduksi kelas profesional. Jika seseorang tidak pernah menjadi junior, bagaimana ia menjadi senior. Dengan demikian, AI berpotensi menciptakan apa yang dapat disebut The Missing First Job Problem. Generasi muda mungkin memiliki pendidikan, gelar, dan kemampuan digital. Tetapi tidak mendapatkan pintu masuk ke pasar kerja. Kita mungkin mempunyai lebih sedikit anak, tetapi mereka yang lahir menghadapi lebih sedikit pekerjaan awal.
Karena itu, model tenaga kerja berubah dari sebelumnya worker plus machine, menjadi worker using AI, dan kemudian dapat berkembang menjadi AI agent plus human supervisor, Bahkan AI agent plus AI agent plus minimal human oversight. WEF memperkirakan bahwa pada 2030 proporsi pekerjaan yang dilakukan terutama oleh manusia saja akan turun, sementara pekerjaan yang dilakukan terutama oleh teknologi dan pekerjaan yang dilakukan bersama teknologi akan meningkat secara signifikan. Ini berarti batas antara human work dan machine work semakin kabur.
1. Gig Worker
Gig worker adalah pekerja yang memperoleh penghasilan melalui pekerjaan yang biasanya berbasis tugas, berbasis proyek, tidak selalu permanen, tidak selalu mempunyai hubungan kerja tradisional, dan berada, atau setidaknya, dimediasi, platform digital. Mereka adalah pekerja pada aplikasi online, dan paling mudah dilihat pada fenomena pengojek online. Fenomena ini telah mengubah definisi “bekerja”. Sebelumnya seseorang bekerja untuk perusahaan X, maka sekarang seseorang bekerja melalui platform X. Perbedaannya sangat besar. Ia tidak lagi menjadi “pekerja perusahaan” namun menjadi “pekerja platform”, “pekerja algoritma” yang menjadi pengendali platform. Ini adalah manajemen algoritma.
ILO memberikan definisi yang sangat berguna mengenai algorithmic management. Algoritma dapat digunakan untuk mengorganisasi pekerjaan, membagi tugas, memerintahkan manusia untuk mengerjakan tugas, mengawasi, mengevaluasi, menentukan performa, dan bahkan memengaruhi keputusan manajerial. ILO menyebut bahwa dalam algorithmic management, pekerja semakin banyak berinteraksi dengan sistem daripada manajer manusia. Ini merupakan karakteristik penting dari digital labour platforms. Maka struktur organisasi berubah. Pada pola lama, pemilik memerintahkan manajer, manajer memerintahkan penyelia, penyelia memerintahkan pekerja. Pada model platform, maka pemilik platform memerintahkan platform melalui program komputer, dan program komputer menciptakan algoritma yang memerintahkan para pekerja, bahkan tana perlu melalui manajer atau penyelia, pada level apa pun pekerjaannya. Pemilik tidak nampak, namun bukan saja kontrolnya tidak hilang, namun makin intensif. Pada pekerjaan-pekerjaan berbasis platform yang dikendalikan algoritma, teknologi AI dapat mengawasi pekerja manusia lebih efektif daripada manusia.
Algoritma mengontrol pekerja tanpa terlihat sebagai bos. Seorang pengemudi ride-hailing mungkin tidak mempunyai supervisor. Tetapi algoritma dapat menentukan order mana yang diterima; kapan order diberikan; lokasi pelanggan; tarif; bonus; insentif; rating; prioritas; bahkan apakah akun dapat dibatasi. Karena itu, pekerja tampak bebas. Tetapi bebas dari atasan tidak serta-merta berarti bebas dari kendali. Kontrol berpindah dari human management menjadi algorithmic management. Inilah salah satu perubahan paling penting dalam hubungan industrial abad ke-21.
2. Precariat.
Guy Standing dalam bukunya The Precariat: The New Dangerous Class (2011) memperkenalkan konsep precariat untuk menggambarkan kelompok pekerja yang mengalami ketidakamanan struktural dalam pekerjaan, pendapatan, perlindungan sosial, dan identitas pekerjaan. Menurut Standing, precariat bukan hanya pekerja miskin. Mereka adalah kelompok yang mengalami “unstable labour relations” dan tidak memperoleh berbagai bentuk labour security yang sebelumnya diasosiasikan dengan pekerjaan standar. Inilah sebabnya konsep gig worker tidak identik dengan precariat, karena tidak semua gig worker adalah precariat. Tetapi kondisi kerja gig dapat menghasilkan precariat apabila pekerjaan tersebut memiliki pendapatan tidak stabil; jam kerja tidak pasti; perlindungan sosial terbatas; tidak ada kepastian kontrak; bargaining power rendah; ketergantungan pada algoritma; dan risiko ekonomi dialihkan kepada pekerja.
Pada konteks gig sebagai precariat, platform melakukan “externalisation of risk”. Dalam model pekerjaan tradisional perusahaan menanggung sebagian risiko. Misalnya gaji tetap; asuransi; cuti; pelatihan; alat kerja; dan biaya operasional. Dalam gig economy, sebagian risiko dipindahkan kepada pekerja. Pengemudi menanggung kendaraan; bensin; perawatan; waktu menunggu; risiko kecelakaan. Platform memperoleh fleksibilitas. Pekerja menanggung volatilitas. Dengan demikian, platformisation may privatise risk while socialising insecurity.
Tetapi AI menciptakan paradoks baru bagi gig economy. Dulu gig economy dianggap sebagai alternatif terhadap otomatisasi. Jika perusahaan melakukan PHK, seseorang dapat menjadi:
Driver, freelancer, online seller, dan gig worker. Gig economy menjadi semacam shock absorber pasar tenaga kerja. Namun sekarang AI sendiri mulai masuk ke gig economy dan mendesak para gig-wokers menjadi prekariat. Financial Times baru-baru ini melaporkan bahwa platform seperti Fiverr dan Upwork menghadapi tekanan karena AI semakin mampu mengotomatisasi tugas-tugas sederhana seperti copywriting dan desain grafis. Artinya, bahkan pekerjaan freelance yang dahulu menjadi tempat pelarian dari PHK kini ikut terkena otomatisasi. Sehingga shock absorber tersebut juga mulai terkena tekanan.
Kemudian muncul “double precarity” –double Precariat. Pekerja mengalami dua ketidakamanan sekaligus. Pertama, employment precarity, tidak mempunyai pekerjaan tetap.
Kedua, algorithmic precarity, pendapatan dan akses terhadap pekerjaan dikendalikan oleh algoritma yang dapat berubah tanpa negosiasi langsung. Pekerja tidak selalu mengetahui formula yang digunakan, akibatnya worker uncertainty increases while managerial transparency decreases.
AI bahkan mempunyai “pekerja tersembunyi”. Ini merupakan paradoks lain. AI sering dipresentasikan sebagai automation without humans. Tetapi ILO menunjukkan bahwa banyak sistem AI justru bergantung pada pekerja manusia yang tidak terlihat yaitu data labellers; content moderators; annotators; human evaluators; dan microtask workers. ILO menyebut fenomena ini sebagai “human-in-the-loop”, dan menunjukkan bahwa keberhasilan AI sering ditopang pekerja yang menerima upah rendah serta minim perlindungan sosial. Jadi AI tidak selalu menghilangkan manusia dari sistem, namun kadang AI menyembunyikan manusia lebih jauh di belakang sistem. Ini sangat penting untuk kebijakan tenaga kerja.
Jadi terdapat tiga kelas pekerja baru. Pertama: AI-enhanced workers Pekerja yang menggunakan AI untuk meningkatkan produktivitas. Contoh dokter plus AI; pengacara plus AI; dosen plus AI; engineer plus AI. Mereka memperoleh productivity premium. Kedua, AI-displaced workers. Pekerja yang tugasnya sebagian besar dapat dilakukan AI. Contoh potensial pekerjaan administratif; customer service tertentu; basic coding; basic content creation; data entry; sebagian pekerjaan analitis rutin. Mereka menghadapi displacement risk. Ketiga, AI-managed workers. Pekerja yang pekerjaannya dikendalikan oleh algoritma. Contoh, driver; delivery worker; warehouse worker; platform freelancer; dan crowdworker. Mereka menghadapi algorithmic control. Dan yang paling rentan adalah orang yang berada pada persilangan, AI-displaced sekaligus AI-managed. Mereka kehilangan pekerjaan formal dan masuk ke pekerjaan platform yang lebih tidak aman.
3. Paradoks Baru
Maka muncul “employment polarisation”. AI tidak selalu menghancurkan semua pekerjaan secara merata. Sebaliknya, pasar kerja dapat terpolarisasi di atas ada high-skill workers dibantu AI, dengan pendapatan tinggi. Di tengah, terdapat routine cognitive jobs yang terkena tekanan otomasi. Di bawah, terdapat low-skill yang bekerja dengan fisik, yang masih dibutuhkan karena sulit diotomatisasi sepenuhnya. Akibatnya middle-skill jobs tersingkir. IMF memperingatkan bahwa AI dapat meningkatkan ketimpangan pendapatan apabila AI sangat komplementer dengan pekerja berpendapatan tinggi, sementara keuntungan modal meningkat. Namun jika produktivitas meningkat sangat besar, manfaat pendapatan juga dapat menyebar lebih luas. Dengan demikian, persoalan AI bukan hanya unemployment, tetapi juga inequality.
Pertanyaan paling besar: siapa yang menerima productivity gain. Ini adalah inti kebijakan AI dan ketenagakerjaan. Misalnya, sebelum AI, ada 100 pekerja dengan output 100. Setelah dengan AI, 50 pekerja dibantu AI menghasilkan output 150. Maka terjadi productivity naik 50% atau produksi naik 50%. Tetapi 50 pekerja yang tidak lagi dibutuhkan, bagaimana dengan kemampuan konsumsi, karena hanya tersisa 50 pekerja, bagaimana dengan harga.
Jadi, produksi pasti naik, jumlah pekerja pasti akan turun. Jika jumlah pekerja turun, maka konsumsi akan turun, meski tetap ada kemungkinan konsumsi naik, karena kelompok yang masih bekerja menambah konsumsinya, dan upahnya naik. Kemungkinan terbesar adalah, harga produk akan turun, namun permintaan akan ikut turun, dan laba akan tertahan, bahkan juga ikut tertekan. Ada kemungkinan harga dinaikkan, namun karena konsumsi tetap turun, maka laba hanya naik tipis. Kondisi konsumsi naik, sebagaimana diharapkan produsen, sulit ditemukan. Dengan demikian, produktivitas relatif tidak memberikan nilai tambah yang signifikan kepada produsen. Apalagi jika upah pekerja yang tersisa tidak naik, atau naik namun tidak sifnifikan. Dalam kondisi ini, maka perusahaan tidak dapat menyumbangkan kegiatan ekonomi lanjutan dan peningkatan pajak. Kemungkinan besar, yang dilakukan adalah rekayasa keuangan agar perusahaan dan bisnis nampak tumbuh membesar, meski bertentangan dengan keadaan senyatanya. Bahkan, kondisi akan berubah menjadi lain ketika terjadi ketimpangan antara mereka yang mampu bekerja pada era AI, dan mereka yang tersingkir, yang jumlahnya diperkirakan lebih banyak.
Kebijakan publik tidak dapat menghentikan AI, tetapi pemerintah dapat menentukan bagaimana AI memasuki pasar tenaga kerja. Dan, ini pun sangat terbatas. Konsekuensi logis dari AI adalah turunnya jumlah pekerja di satu sisi, dan naiknya produktivitas bisnis di sisi lain. Bagi korporasi, tidak ada hal yang paling menyenangkan: jumlah pekerja turun (yang artinya biaya produksi turun), tetapi produksi meningkat (yang berarti pendapatan meningkat, karena jumlah produk yang dapat dipasarkan naik). Jika ini terjadi hanya pada satu-dua perusahaan, tidak menjadi khaos. Namun, jika 50% menggunakan pola yang sama, akan terjadi khaos dalam kebijakan kependudukan. Dialog antara pemerintah, perusahaan, dan pekerja, agar AI lebih banyak digunakan untuk melengkapi keterampilan manusia daripada sekadar menggantikannya, sekaligus memperkuat perlindungan pekerja. Idealnya adalah AI digunakan dan dikembangkan, dan lapangan kerja tidak berubah, kalau bisa naik. Keduanya ibarat dua kutub yang bertolakan.
Kebijakan kependudukan bertemu paradoks baru: negara memerlukan lapangan kerja untuk rakyatnya, ekonomi-bisnis AI membutuhkan lebih sedikit manusia sebagai pekerja. Dan AI tidak “sungkan-sungkan” untuk memilih yang kedua, dan hukum besi akan berjalan pasti. Pertanyaan kebijakannya menjadi lebih pelik untuk apa kita membutuhkan manusia (naiknya fertilitas) jika teknologi semakin mampu menghasilkan output tanpa banyak manusia (dan jika banyak manusia, adalah manusia tanpa kemampuan sebagai pasar, karena mereka tersingkir dari lapangan kerja yang diperlukan, dan mereka hanya ada pada pekerja gig dan kelompok prekariat). Negara juga mempunyai tantangan dalam perpajakan, selanjutnya pendapatan negara, dan kebutuhan subsidi sosial atas manusia yang menganggur dan miskin.
4. Simpulan
Realitas yang sedang menjelang tersebut membawa kita pada kebutuhan untuk mendefinisikan ulang paradigma kebijakan kependudukan. Kebijakan kependudukan klasik melihat manusia terutama sebagai populasi, dan kebijakan pembangunan melihat manusia sebagai human capital, serta kebijakan tenaga kerja melihat manusia sebagai labour. Tetapi era AI memaksa kita melihat manusia sebagai human capability, itupun diatur oleh kemampuan AI yang semakin meningkat dan semakin lengkap, karena mesin semakin mengambil alih tasks, maka keunggulan manusia harus bergeser dari routine execution menuju penilaian, kreativitas, empati, kecerdasan sosial, kepemimpinan, ketangkasan fisik, pemahaman kontekstual, tanggung jawab, dan pemaknaan. Ini sejalan dengan temuan OECD bahwa AI memang dapat meningkatkan performa pekerja—dalam surveinya, empat dari lima pekerja melaporkan AI meningkatkan performa mereka—tetapi sekaligus menimbulkan kekhawatiran mengenai intensifikasi kerja, pengumpulan data, dan ketimpangan. Itupun dengan kecemasan baru, sampai berapa lama itu bertahan hingga AI mampu melakukan better and faster menuju penilaian, kreativitas, empati, kecerdasan sosial, kepemimpinan, ketangkasan fisik, pemahaman kontekstual, tanggung jawab, dan pemaknaan.
Kebijakan kependudukan di sektor pendidikan mengalami tantangan penting jika AI menghilangkan pekerjaan entry-level, pendidikan tidak cukup hanya menghasilkan degree holders. Pendidikan harus menghasilkan AI-complementary workers, yang artinya bukan sekadar belajar menggunakan AI, tetapi belajar melakukan sesuatu yang menjadi lebih bernilai karena AI. Dengan kata lain human capability dikalikan AI capability menciptakan menjadi unit baru produktivitas.
Di titik paling ekstrem, kita dapat membayangkan pertanyaan yang lebih radikal, yaitu kebijakan pada era “post-employment society”. Jika AI dan robot semakin produktif, apakah masyarakat masa depan masih harus mengorganisasikan kehidupan melalui pekerjaan. Pada saat ini kita belum berada pada masyarakat post-work. Justru sekarang kita berada dalam fase transisi yang lebih rumit, post-standard employment. Pekerjaan belum hilang, tetapi pekerjaan tetap diganti kontrak fleksibel, pekerja gig yang dikendalikan platform, dengan pekerjaan algorithmic work, dan kesemuanya semakin diatur oleh AI-augmented work. Dan, kesemuanya semakin bercampur.
Maka persoalan kependudukan kontemporer akhirnya tidak lagi dapat dirumuskan hanya berapa banyak penduduk yang kita butuhkan. Karena, pertanyaan yang lebih tepat adalah berapa banyak manusia yang kita butuhkan, untuk melakukan pekerjaan apa, dengan teknologi apa, dalam struktur ekonomi seperti apa, dan dengan distribusi hasil produktivitas seperti apa. Abad ke-20 menghadapi masalah “too many people, too few resources”. Abad ke-21 mulai menghadapi paradoks baru: “fewer people, fewer workers, but also fewer jobs.” Meski, kita perlu menambahkan satu kalimat agar tidak terlalu deterministik, bahwa AI tidak secara otomatis menciptakan pengangguran massal; ia menciptakan redistribusi tugas, pekerjaan, keterampilan, pendapatan, dan kekuasaan. Hasil akhirnya sangat bergantung pada bagaimana negara, perusahaan, pekerja, dan institusi sosial mengelola transisi tersebut. Dengan demikian, kebijakan kependudukan kontemporer akhirnya bertemu dengan kebijakan teknologi dan kebijakan ketenagakerjaan. Tantangan kebijakan kependudukan di masa depan bukan lagi sekadar apakah manusia cukup banyak untuk mengisi pekerjaan, tetapi apakah pekerjaan yang tersedia cukup banyak untuk memberikan tempat yang bermakna bagi manusia.
Referensi
- https://www.ilo.org/publications/generative-ai-and-jobs-2025-update?utm_
- https://www.weforum.org/publications/the-future-of-jobs-report-2025/in-full/2-jobs-outlook/?utm_
- OECD (2024), Job Creation and Local Economic Development 2024: The Geography of Generative
- AI, OECD Publishing, Paris, https://doi.org/10.1787/83325127-en.
- Artificial Intelligence and the Future of Entry-Level Work: A Framework for Safeguarding and Reinventing Early Career Pathways, Insight Repprt June 2026.
- https://www.weforum.org/publications/the-future-of-jobs-report-2025/in-full/2-jobs-outlook/?utm_
- https://www.ilo.org/algorithmic-management-workplace?utm_
- https://www.ft.com/content/a2c33eed-7aef-4e68-9252-3a1dddf61b5a?utm_https://www.ilo.org/resource/article/artificial-intelligence-illusion-how-invisible-workers-fuel-automated?utm_
- Mauro Cazzaniga, Florence Jaumotte, Longji Li, Giovanni Melina, Augustus J Panton, Carlo Pizzinelli, Emma J Rockall, and Marina Mendes Tavares. “Gen-AI: Artificial Intelligence and the Future of Work”, Staff Discussion Notes 2024, 001 (2024), accessed 20/09/2026, https://doi.org/10.5089/9798400262548.006
